نوآوری پژوهش چیست؟
پژوهش و نگارش آکادمیک روش تحقیق و پایان‌نامه

نوآوری پژوهش چیست؟ چگونه نوآوری پایان‌نامه و مقاله را پیدا کنیم؟

نوآوری پژوهش

نوآوری پژوهش چیست؟ چگونه نوآوری پایان‌نامه و مقاله را پیدا کنیم؟

نوآوری پژوهش چیست و چگونه آن را پیدا کنیم؟

اگر در حال نوشتن مقاله علمی، پایان‌نامه یا پروپوزال هستید، احتمالاً با این پرسش روبه‌رو شده‌اید که «نوآوری این پژوهش چیست؟» این سؤال نه‌فقط در جلسات دفاع، بلکه در فرایند داوری مقالات علمی نیز یکی از مهم‌ترین معیارهای ارزیابی است.

بسیاری از پژوهشگران در ابتدای مسیر تصور می‌کنند برای داشتن نوآوری باید موضوعی کاملاً جدید پیدا کنند یا روشی بی‌سابقه اختراع کنند. در حالی که نوآوری پژوهش می‌تواند شکل‌های بسیار متنوعی داشته باشد. در این مقاله به زبان ساده توضیح می‌دهیم که نوآوری پژوهش چیست، انواع آن کدام است، چگونه آن را پیدا کنیم، چگونه آن را در مقاله بیان کنیم و چه چیزهایی نوآوری محسوب نمی‌شوند.


در این مقاله چه چیزهایی یاد می‌گیرید؟

  • نوآوری پژوهش چیست و تفاوت آن با موضوع جدید چیست؟

  • انواع نوآوری در پژوهش کدام‌اند؟

  • چگونه نوآوری پژوهش را با یک روش عملی پیدا کنیم؟

  • چگونه نوآوری را در مقاله و پایان‌نامه بیان کنیم؟

نوآوری پژوهش چیست؟

نوآوری پژوهش یا Research Novelty به بخشی از پژوهش گفته می‌شود که نسبت به مطالعات پیشین، عنصر جدید و قابل‌دفاعی ارائه می‌کند. به زبان ساده، می‌توان این سؤال را مطرح کرد: این پژوهش چه چیزی به دانش موجود اضافه می‌کند که پیش از آن نمی‌دانستیم یا به این شکل بررسی نشده بود؟

این پژوهش چه چیزی به دانش موجود اضافه می‌کند که پیش از این نمی‌دانستیم یا چه مسئله‌ای را به روشی متفاوت و قابل‌دفاع بررسی می‌کند؟

برای مثال، فرض کنید مطالعات زیادی درباره پیش‌بینی مصرف برق انجام شده‌اند. اگر پژوهشی علاوه بر مصرف برق، تولید انرژی خورشیدی و شرایط آب‌وهوایی را نیز به‌صورت هم‌زمان وارد مدل کند و نشان دهد این ترکیب باعث بهبود پیش‌بینی می‌شود، بخشی از نوآوری می‌تواند در ترکیب داده‌ها و چارچوب پیشنهادی باشد.

بنابراین نوآوری الزاماً به معنای اختراع یک روش کاملاً ناشناخته نیست. ممکن است یک پژوهش با توسعه یک روش موجود، ترکیب منطقی چند روش، استفاده از داده جدید، حل یک محدودیت شناخته‌شده یا ارائه یک یافته تجربی جدید نیز Contribution قابل‌توجهی داشته باشد.

موضوع جدید، الزاماً پژوهش نوآورانه نیست

یکی از اشتباهات رایج این است که «جدید بودن موضوع» با «نوآوری پژوهش» یکی در نظر گرفته شود. فرض کنید عنوان پژوهش این باشد: تأثیر هوش مصنوعی بر عملکرد کارکنان شرکت‌های ایرانی. این عنوان ممکن است جذاب یا حتی کمتر بررسی‌شده باشد، اما صرفاً انجام پژوهش در ایران به معنای وجود نوآوری نیست.

باید مشخص شود:

  • چه چیزی در مطالعات قبلی بررسی نشده است؟
  • این پژوهش چه تفاوتی با مطالعات موجود دارد؟
  • چه سؤال جدیدی پاسخ داده می‌شود؟
  • آیا داده، روش یا چارچوب متفاوتی ارائه شده است؟
  • نتیجه پژوهش چه چیزی به دانش موجود اضافه می‌کند؟

حتی تغییر کشور، سازمان، نمونه آماری یا Dataset نیز به‌تنهایی نوآوری را اثبات نمی‌کند. این تفاوت‌ها زمانی اهمیت علمی پیدا می‌کنند که بتوان برای آن‌ها منطق پژوهشی و Contribution مشخصی ارائه کرد.

انواع نوآوری در پژوهش

نوآوری می‌تواند شکل‌های مختلفی داشته باشد و یک پژوهش می‌تواند هم‌زمان چند نوع نوآوری داشته باشد.

نوع نوآوری توضیح
نوآوری روش‌شناختی ارائه روش جدید، اصلاح یک روش موجود یا ایجاد یک چارچوب بهتر برای حل مسئله.
نوآوری داده‌ای استفاده از مجموعه‌داده جدید، ترکیب منابع داده‌ای متفاوت یا استفاده از داده‌ای که تاکنون برای یک مسئله خاص به کار نرفته است.
نوآوری کاربردی به‌کارگیری یک روش موجود برای مسئله‌ای که هنوز به شکل مناسبی بررسی نشده است؛ البته صرف تغییر حوزه کاربرد کافی نیست و باید ارزش علمی آن مشخص باشد.
نوآوری مفهومی یا نظری ارائه یک چارچوب مفهومی جدید یا بررسی رابطه‌ای که در مطالعات قبلی کمتر مورد توجه قرار گرفته است.
نوآوری ترکیبی ترکیب چند روش یا رویکرد به شکلی که نتیجه آن صرفاً کنار هم گذاشتن چند تکنیک شناخته‌شده نباشد و یک مسئله مشخص را بهتر حل کند.
نوآوری تجربی دستیابی به یک یافته جدید یا ارائه شواهدی که درک موجود از یک مسئله را تغییر می‌دهد یا تکمیل می‌کند.

چگونه نوآوری را پیدا کنیم؟

پیدا کردن نوآوری معمولاً از جست‌وجوی یک «ایده عجیب و کاملاً جدید» شروع نمی‌شود؛ بلکه از شناخت دقیق ادبیات موجود آغاز می‌شود. ابتدا باید مسئله پژوهش را مشخص کرد. سپس مطالعات مرتبط را در منابعی مانند Google Scholar، Scopus و Web of Science پیدا کرد و مقالات کلیدی را با دقت خواند.

در این مرحله، فقط Abstract را نباید خواند. بخش‌های مختلف مقاله می‌توانند سرنخ‌های مهمی درباره نوآوری و شکاف پژوهشی ارائه کنند:

  • Introduction
  • Literature Review
  • Methodology
  • Results
  • Discussion
  • Limitations
  • Future Research

به‌خصوص بخش‌های Limitations و Future Research گاهی به‌صورت مستقیم نشان می‌دهند که چه مسئله‌ای هنوز حل نشده است.

یک روش عملی این است که مقالات کلیدی را در جدولی مانند زیر مقایسه کنید:

مقاله مسئله داده روش یافته اصلی محدودیت پیشنهاد آینده
مقاله ۱ … … … … … …
مقاله ۲ … … … … … …
مقاله ۳ … … … … … …

بعد از مقایسه چند مطالعه، ممکن است مشخص شود که مثلاً بیشتر پژوهش‌ها از یک Dataset خاص استفاده کرده‌اند، یک متغیر مهم را در نظر نگرفته‌اند، فقط یک روش را بررسی کرده‌اند یا در شرایط محدودی اعتبارسنجی شده‌اند. این نقاط می‌توانند سرنخ‌هایی برای پیدا کردن Research Gap یا شکاف پژوهشی باشند.

اگر در مرحله انتخاب موضوع هستید، پیشنهاد می‌کنیم ابتدا مقاله زیر را مطالعه کنید:

برای آشنایی با روش‌های اصولی بررسی پیشینه، مقاله زیر را ببینید:

تفاوت Research Gap و Research Novelty

این دو مفهوم به یکدیگر مرتبط‌اند، اما یکی نیستند.

Research Gap یعنی چیزی که در دانش موجود هنوز به‌خوبی بررسی نشده یا درباره آن شواهد کافی وجود ندارد.

Research Novelty یعنی چیزی که پژوهش شما برای پر کردن آن شکاف ارائه می‌کند.

برای مثال:

شکاف پژوهشی: بیشتر مطالعات پیش‌بینی مصرف برق، تولید هم‌زمان انرژی خورشیدی و مصرف را در یک چارچوب واحد بررسی نکرده‌اند.

نوآوری پژوهش: ارائه و ارزیابی یک چارچوب مشترک برای پیش‌بینی مصرف برق و تولید خورشیدی با استفاده از داده‌های مصرف، تولید و شرایط آب‌وهوایی.

بنابراین می‌توان رابطه میان این مفاهیم را به شکل زیر در نظر گرفت:

Research Gap → Research Question → Research Contribution / Novelty

شکاف پژوهشی نشان می‌دهد چه چیزی کم است؛ سؤال پژوهش مشخص می‌کند چه چیزی باید بررسی شود؛ و Contribution توضیح می‌دهد پژوهش شما چه چیزی به این مسئله اضافه می‌کند.

یک نمونه واقعی از نوآوری در مقاله

برای درک بهتر موضوع، بهتر است به جای مثال‌های صرفاً فرضی، یک مقاله واقعی را بررسی کنیم.

مقاله‌ای با عنوان “An efficient deep learning model to categorize brain tumor using reconstruction and fine-tuning” در مجله Expert Systems With Applications (جلد ۲۳۰، سال ۲۰۲۳) منتشر شده است. این مجله یکی از مجلات Q1 در حوزه هوش مصنوعی و سیستم‌های خبره است. تصویر زیر صفحه اول این مقاله را نشان می‌دهد.

صفحه اول مقاله An efficient deep learning model to categorize brain tumor using reconstruction and fine-tuning
شکل ۱ صفحه اول مقاله Talukder و همکاران (۲۰۲۳) در مجله Expert Systems With Applications.

این پژوهش یک رویکرد مبتنی بر Transfer Learning برای طبقه‌بندی تومورهای مغزی از تصاویر MRI ارائه می‌کند و نویسندگان از چهار الگوریتم Xception، ResNet50V2، InceptionResNetV2 و DenseNet201 استفاده کرده‌اند. داده مورد استفاده نیز مجموعه تصاویر MRI مربوط به تومور مغزی Figshare با ۳,۰۶۴ تصویر بوده است. در نتایج گزارش‌شده، مدل ResNet50V2 بالاترین دقت را با ۹۹.۶۸ درصد به دست آورده است.

نکته مهم برای بحث ما، نحوه بیان Contributionهای مقاله است. نویسندگان در بخش Contribution می‌نویسند:

The main contributions of this research are as follows:

  • It proposes a novel deep learning model for brain tumor classification, incorporating comprehensive preprocessing, transfer learning architecture modification, and fine-tuning to enhance efficiency.
  • Reconfiguration architecture is modified by involving image augmentation to solve overfitting problems and utilize the GPU speed. Furthermore, to get instantaneously standardize images based on the configuration, which helps the initiative of reimplementing the augmentation process.
  • Fine-tuning is the process of adding layers with the modified architecture that let us build a new DL architecture to classify brain tumor efficiently.
  • Finally, assess the effectiveness of our proposed models using multiple criteria, including accuracy, precision, recall, f1-score and confusion matrix and finding the best model to categorize brain tumor.

نکته مهم اینجاست که نویسندگان Contribution خود را در چهار بند مشخص و قابل‌ارزیابی معرفی کرده‌اند، نه به‌صورت یک جمله کلی. اگر این چهار بند را دقیق‌تر تحلیل کنیم:

۱. ایده اصلی پژوهش: نویسندگان یک مدل یادگیری عمیق جدید برای طبقه‌بندی تومور مغزی ارائه کرده‌اند که ترکیبی از پیش‌پردازش جامع، اصلاح معماری Transfer Learning و Fine-tuning است. این ترکیب، به‌عنوان هسته اصلی نوآوری مقاله معرفی می‌شود.

۲. بازسازی معماری و Image Augmentation: آن‌ها معماری مدل‌های پایه را دست‌نخورده رها نکرده‌اند؛ بلکه با افزودن Image Augmentation و استانداردسازی تصاویر، دو مشکل مهم را هدف گرفته‌اند: کاهش Overfitting و استفاده بهتر از توان پردازشی GPU. این بخش از Contribution، یک نوآوری روش‌شناختی مشخص است.

۳. Fine-tuning هدفمند: نویسندگان با افزودن لایه‌های جدید به معماری اصلاح‌شده، عملاً یک معماری یادگیری عمیق جدید ساخته‌اند که برای مسئله طبقه‌بندی تومور مغزی تطبیق داده شده است. این هم یک نوآوری معماری محسوب می‌شود.

۴. ارزیابی چندمعیاره: در نهایت، مدل‌های پیشنهادی با چند معیار — Accuracy، Precision، Recall، F1-score و Confusion Matrix — ارزیابی و با یکدیگر مقایسه شده‌اند تا بهترین مدل انتخاب شود. این بخش، نوآوری تجربی مقاله را شکل می‌دهد.

همان‌طور که می‌بینید، نوآوری این مقاله در یک جمله کلی «ما یک مدل جدید ارائه کردیم» خلاصه نشده است؛ بلکه نویسندگان Contribution خود را به چهار جزء مشخص، قابل مشاهده و قابل ارزیابی تقسیم کرده‌اند: ایده اصلی، تغییر معماری، Fine-tuning، و روش ارزیابی. این دقیقاً همان الگویی است که در پایان‌نامه‌ها و مقالات علمی باید دنبال شود.

نکته‌ای که در اینجا باید به آن توجه کرد این است که بالا بودن Accuracy به‌خودی‌خود نوآوری محسوب نمی‌شود. عدد ۹۹.۶۸ درصد، نتیجه پژوهش است؛ اما آن‌چه به‌عنوان نوآوری معرفی می‌شود، همان چهار Contribution مشخصی است که برای رسیدن به این نتیجه طراحی شده‌اند. اگر پژوهشگر فقط به عدد Accuracy اکتفا کند و نتواند توضیح دهد چه رویکرد، تغییر یا چارچوبی را برای رسیدن به آن ارائه کرده است، ادعای نوآوری او قابل دفاع نخواهد بود. این دقیقاً همان تفاوتی است که در بسیاری از پایان‌نامه‌ها نادیده گرفته می‌شود.

اگر در حال نوشتن مقاله هستید و می‌خواهید بدانید چگونه از هوش مصنوعی به‌صورت مسئولانه در فرایند مقاله‌نویسی استفاده کنید، مقاله زیر راهنمای کاملی برای شماست:

چگونه نوآوری را در مقاله بیان کنیم؟

بعد از مشخص شدن نوآوری، باید آن را به‌گونه‌ای بیان کرد که خواننده دقیقاً متوجه Contribution پژوهش شود. معمولاً در انتهای بخش Introduction، پس از توضیح مسئله و شکاف پژوهشی، می‌توان Contributionهای پژوهش را مشخص کرد.

برای یک مقاله روش‌شناختی می‌توان نوشت:

This study proposes a novel framework for … that integrates A and B to address the limitation of existing approaches.

برای یک پژوهش تجربی:

Unlike previous studies that primarily focused on …, this study investigates … using …

برای پژوهشی که یک روش موجود را توسعه می‌دهد:

The proposed approach extends the existing method by incorporating …, enabling …

برای پایان‌نامه نیز می‌توان Contributionها را به شکل فارسی و مشخص نوشت:

نوآوری این پژوهش در سه بخش اصلی قابل بیان است: نخست، …؛ دوم، …؛ و سوم، …

نکته مهم این است که عبارت‌هایی مانند «برای اولین بار» یا «مدل کاملاً جدید» بدون بررسی دقیق ادبیات نباید استفاده شوند. ادعای نوآوری باید تا حد امکان با مقایسه با مطالعات پیشین پشتیبانی شود.

استاد راهنما و داور چه نقشی دارند؟

پیدا کردن نوآوری همیشه یک فرایند کاملاً فردی نیست. در بسیاری از پایان‌نامه‌ها، پژوهشگر در ابتدا تصور می‌کند یک ایده نوآورانه پیدا کرده است، اما هنگام بررسی ادبیات یا گفت‌وگو با استاد راهنما مشخص می‌شود که مشابه آن قبلاً انجام شده است.

از طرف دیگر، ممکن است یک پژوهشگر تصور کند ایده‌اش ساده است، اما با دقیق‌تر شدن مسئله و روش، مشخص شود که همان ایده می‌تواند Contribution قابل‌دفاعی ایجاد کند.

بازخورد استاد راهنما، اعضای کمیته دفاع و در مرحله انتشار، نظر داوران می‌تواند به تشخیص دقیق‌تر نوآوری کمک کند.

با این حال، یک نکته مهم وجود دارد: نوآوری نباید صرفاً بر اساس نظر شخصی درباره «جدید بودن» یک ایده تعیین شود. مهم‌ترین پشتوانه آن، مقایسه نظام‌مند با ادبیات موجود است.

به همین دلیل، اگر استاد راهنما بگوید «این موضوع جدید است»، هنوز بهتر است پژوهشگر بتواند با چند مقاله کلیدی نشان دهد: مطالعات قبلی چه کرده‌اند → چه چیزی باقی مانده → این پژوهش چه چیزی اضافه می‌کند.

چه چیزهایی نوآوری محسوب نمی‌شوند؟

برخی موارد در نگاه اول جدید به نظر می‌رسند، اما به‌تنهایی برای ادعای نوآوری کافی نیستند.

۱. استفاده از یک الگوریتم شناخته‌شده روی Dataset جدید

صرفاً جدید بودن Dataset، الزاماً نوآوری روش‌شناختی ایجاد نمی‌کند.

۲. تغییر چند Hyperparameter

تنظیم پارامترها به‌تنهایی Contribution قدرتمندی ایجاد نمی‌کند.

۳. اجرای یک روش شناخته‌شده در کشور دیگر

تغییر مکان جغرافیایی به‌تنهایی نوآوری علمی محسوب نمی‌شود.

۴. افزایش حجم نمونه

بزرگ‌تر کردن نمونه بدون منطق پژوهشی مشخص، نوآوری ایجاد نمی‌کند.

۵. ترکیب چند روش بدون منطق مشخص

ترکیب روش‌ها باید نشان دهد چه مسئله مشخصی را بهتر حل می‌کند.

۶. استفاده بی‌محابا از عبارت «برای اولین بار»

این عبارت باید با احتیاط بسیار زیادی استفاده شود. اگر قرار است چنین ادعایی مطرح شود، باید جست‌وجوی ادبیات تا حد مناسبی از آن پشتیبانی کند.

البته هیچ‌کدام از این موارد ذاتاً بی‌ارزش نیستند. ممکن است یک Dataset جدید، یک جمعیت خاص یا یک محیط متفاوت واقعاً اهمیت علمی داشته باشد؛ اما باید توضیح داده شود چرا این تفاوت به یک سؤال علمی مهم پاسخ می‌دهد.

بنابراین سؤال اصلی این نیست که: «آیا قبلاً دقیقاً همین عنوان منتشر شده است؟» بلکه باید پرسید: «نسبت به دانش موجود، دقیقاً چه چیزی در این پژوهش جدید است؟»

نوآوری در رشته‌های مختلف

شکل نوآوری به رشته نیز بستگی دارد. جدول زیر نمونه‌های احتمالی نوآوری در چند رشته مختلف را نشان می‌دهد.

رشته نمونه احتمالی نوآوری نوع نوآوری
هوش مصنوعی و علوم کامپیوتر ترکیب داده‌های متنی و تصویری برای پیش‌بینی یک پیامد پزشکی و مقایسه آن با مدل‌های تک‌وجهی. روش‌شناختی / داده‌ای
مهندسی صنایع و مدیریت ارائه مدل تصمیم‌گیری که هم‌زمان عدم‌قطعیت، ریسک و معیارهای پایداری را در انتخاب تأمین‌کننده لحاظ کند. روش‌شناختی / مفهومی
مهندسی برق توسعه چارچوب کنترل شبکه‌ای که تغییرات تولید فتوولتائیک و نوسان مصرف را هم‌زمان در نظر بگیرد. روش‌شناختی
مهندسی عمران بررسی عملکرد ترکیب جدیدی از مصالح بازیافتی در شرایط محیطی متفاوت و مقایسه آن با مصالح متداول. تجربی / کاربردی
اقتصاد و مالی بررسی اثر یک متغیر کمترمطالعه‌شده مانند ریسک اقلیمی بر تصمیم‌های سرمایه‌گذاری با آزمون یک سازوکار واسطه‌ای. مفهومی / تجربی
روان‌شناسی بررسی نقش یک متغیر میانجی یا تعدیل‌گر جدید در رابطه میان استفاده از شبکه‌های اجتماعی و یک پیامد روان‌شناختی. مفهومی
پزشکی و سلامت اعتبارسنجی یک مدل پیش‌بینی ریسک روی یک جمعیت مستقل یا ترکیب نشانگرهای زیستی با متغیرهای بالینی متداول. داده‌ای / تجربی
حقوق ارائه چارچوب تطبیقی برای تحلیل مسئولیت حقوقی ناشی از تصمیم‌های سیستم‌های هوش مصنوعی در چند نظام حقوقی. مفهومی / تطبیقی

نکته مهم این است که خود ایده به‌تنهایی نوآوری را ثابت نمی‌کند. برای مثال، ممکن است ترکیب دو روش در ظاهر جدید باشد، اما پژوهش‌های قبلی دقیقاً همین ترکیب را بررسی کرده باشند. بنابراین هر ادعای نوآوری باید با جست‌وجوی ادبیات و مقایسه با مطالعات پیشین پشتیبانی شود.

چک‌لیست پیدا کردن نوآوری

قبل از نهایی کردن عنوان پایان‌نامه یا مقاله، این سؤال‌ها را بررسی کنید:

  • ☐ مطالعات اصلی این حوزه چه کرده‌اند؟
  • ☐ مهم‌ترین محدودیت آن‌ها چیست؟
  • ☐ چه موضوعی هنوز پاسخ روشنی ندارد؟
  • ☐ پژوهش پیشنهادی دقیقاً کدام شکاف را هدف قرار می‌دهد؟
  • ☐ چه چیزی در روش، داده، مدل، جامعه، کاربرد یا تحلیل تغییر کرده است؟
  • ☐ آیا این تفاوت واقعاً در مقالات قبلی وجود ندارد؟
  • ☐ آیا می‌توان Contribution را در یک یا دو جمله روشن توضیح داد؟
  • ☐ آیا نتیجه این Contribution قابل ارزیابی است؟

اگر نتوانید در چند جمله ساده توضیح دهید «چه چیزی جدید است و نسبت به کدام مطالعات جدید است»، احتمالاً هنوز باید ادبیات پژوهش را دقیق‌تر بررسی کنید.

سوالات متداول درباره نوآوری پژوهش

آیا نوآوری پژوهش الزاماً به معنای اختراع یک روش کاملاً جدید است؟
خیر. نوآوری می‌تواند در روش، داده، کاربرد، ترکیب رویکردها، چارچوب مفهومی یا یافته تجربی جدید شکل بگیرد. یک Dataset جدید، حل یک محدودیت شناخته‌شده یا اعتبارسنجی یک روش در شرایط جدید نیز می‌تواند بخشی از Contribution پژوهش باشد.
آیا تغییر کشور، سازمان یا نمونه آماری نوآوری محسوب می‌شود؟
به‌تنهایی خیر. این تفاوت‌ها زمانی اهمیت علمی پیدا می‌کنند که بتوان برای آن‌ها منطق پژوهشی و Contribution مشخصی ارائه کرد. صرفاً انجام پژوهش در یک کشور دیگر یا با نمونه‌ای متفاوت، نوآوری علمی ایجاد نمی‌کند.
تفاوت Research Gap و Research Novelty چیست؟
Research Gap یعنی چیزی که در دانش موجود هنوز به‌خوبی بررسی نشده یا درباره آن شواهد کافی وجود ندارد. Research Novelty یعنی چیزی که پژوهش شما برای پر کردن آن شکاف ارائه می‌کند. Gap نشان می‌دهد چه چیزی کم است و Novelty توضیح می‌دهد پژوهش شما چه چیزی برای رفع آن کمبود ارائه می‌دهد.
آیا بالا بودن Accuracy یک مدل یادگیری ماشین، نوآوری محسوب می‌شود؟
خیر. عدد عملکرد، نتیجه پژوهش است؛ اما Contribution باید توضیح دهد که پژوهش چه رویکرد، تغییر، داده، تحلیل یا چارچوبی را برای رسیدن به آن نتیجه ارائه کرده است. در مقاله واقعی که بررسی کردیم، نویسندگان Contribution خود را به چهار بخش مشخص — ایده اصلی، تغییر معماری و Augmentation، Fine-tuning، و ارزیابی چندمعیاره — تقسیم کرده‌اند، نه فقط اشاره به عدد Accuracy.
استاد راهنما چقدر در تشخیص نوآوری نقش دارد؟
بازخورد استاد راهنما و داوران می‌تواند به تشخیص دقیق‌تر نوآوری کمک کند. اما نوآوری نباید صرفاً بر اساس نظر شخصی درباره «جدید بودن» یک ایده تعیین شود. مهم‌ترین پشتوانه آن، مقایسه نظام‌مند با ادبیات موجود است. اگر استاد راهنما بگوید «این موضوع جدید است»، هنوز بهتر است پژوهشگر بتواند با چند مقاله کلیدی این ادعا را پشتیبانی کند.
چگونه نوآوری را در مقاله بیان کنیم؟
معمولاً در انتهای بخش Introduction، پس از توضیح مسئله و شکاف پژوهشی، می‌توان Contributionهای پژوهش را مشخص کرد. هر ادعای نوآوری باید قابل مشاهده و ارزیابی باشد. خواننده باید بتواند با مطالعه روش و نتایج مقاله متوجه شود دقیقاً چه چیزی جدید ارائه شده است. عبارت‌هایی مانند «برای اولین بار» باید با احتیاط و پشتوانه بررسی ادبیات استفاده شوند.

جمع‌بندی

نوآوری پژوهش از جایی شروع می‌شود که پژوهشگر فقط به دنبال «موضوع جدید» نباشد، بلکه وضعیت دانش موجود را بشناسد. ابتدا باید مشخص شود مطالعات قبلی چه کرده‌اند، سپس محدودیت یا شکاف موجود شناسایی شود و در نهایت دقیقاً توضیح داده شود که پژوهش جدید چه چیزی به این دانش اضافه می‌کند.

در یک مقاله خوب، نوآوری نباید یک ادعای کلی مانند «ارائه یک روش جدید» باشد. باید مشخص شود چه چیزی تغییر کرده، چرا این تغییر اهمیت دارد و چگونه می‌توان ارزش آن را ارزیابی کرد.

در دانش موجود چه چیزی هنوز به‌خوبی پاسخ داده نشده و این پژوهش دقیقاً چه چیزی برای پاسخ دادن به آن اضافه می‌کند؟

هرچه پاسخ این سؤال دقیق‌تر، مستندتر و قابل ارزیابی‌تر باشد، بیان نوآوری پژوهش نیز قوی‌تر خواهد بود.

نوآوری پژوهش با شناخت دقیق ادبیات موجود و مقایسه نظام‌مند با مطالعات پیشین شکل می‌گیرد؛ نه با ایده‌های عجیب و کاملاً جدید. اگر در تشخیص نوآوری پژوهش خود دچار تردید شده‌اید، از چک‌لیست این مقاله استفاده کنید و Contributionهای خود را به بخش‌های مشخص تقسیم کنید.

فکر خود را اینجا بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *